.png){kind=icon}
返回
Improved Grey Wolf Algorithm: A Method for UAV Path Planning
.png){kind=icon}
OA
AI
DOI：10.3390/drones8110675.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
灰狼优化器 (GWO) 算法以其简单性和易于实现而被公认，并因其适应性和搜索能力而成为求解全局优化问题的首选方法。尽管有这些优点，但现有的无人机 (UAV) 路径规划算法通常会受到收敛速度慢，易受局部最佳和鲁棒性有限的阻碍。为了克服这些局限性，我们通过改进其轨迹评估函数，收敛因子和位置更新方法来增强GWO在无人机路径规划中的应用。我们提出了一种包括约束分析和评估函数的协同无人机路径规划模型。随后，引入了增强型灰狼优化器模型 (ni-gwo)，该模型使用非线性函数优化收敛系数，并基于个体狼的适应度将动态窗口方法 (DWA) 算法集成到模型中，使其能够执行动态避障任务。最后，利用无人机航迹规划仿真平台对原始算法和改进算法的有效性进行评估和比较。仿真结果表明，ni-gwo算法能够有效地解决不确定环境下的无人机路径规划问题。与粒子群优化 (PSO) 、人工蜂群 (ABC) 、GWO和mp-gwo算法相比，ni-gwo算法可以达到最优适应度值，并且在平均路径长度、时间、碰撞次数和避障能力方面具有显著优势。
Keyword:
multi-agent systems
UAV navigation
planning
intelligent control
artificial intelligence
期刊
D
IF:
4.8
论文数:
3.9K
被引数:
8.3K
机构
引用论文
1.6-Hexanediol based deep eutectic solvent and their excess data at infinite dilution1.6-己二醇基深共熔溶剂及其在无限稀释条件下的超额数据
OAAI
OAAI分享收藏分享收藏Design of a UAV Trajectory Prediction System Based on Multi-Flight Modes基于多飞行模式的无人机航迹预测系统设计.png)
DRONESOAAI
DRONESIF4.8
OAAI分享收藏UAV avionics safety, certification, accidents, redundancy, integrity, and reliability: a comprehensive review and future trends无人机航空电子安全、认证、事故、冗余、完整性和可靠性: 全面回顾和未来趋势OAAI
OAAI分享收藏A Real-Time Path Planning Method for Urban Low-Altitude Logistics UAVs一种城市低空物流无人机实时路径规划方法SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Binary grey wolf optimization approaches for feature selection基于二进制灰狼优化的特征选择方法NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容